
- •§ 1. Испытания и события
- •§ 2. Виды случайных событий
- •§ 3. Классическое определение вероятности
- •§ 4. Основные формулы комбинаторики
- •§ 5. Примеры непосредственного вычисления вероятностей
- •§ 6. Относительная частота. Устойчивость относительной частоты
- •§ 7. Ограниченность классического определения вероятности. Статистическая вероятность
- •§ 8. Геометрические вероятности
- •§ 1. Теорема сложения вероятностей несовместных событий
- •§ 2. Полная группа событий
- •§ 4. Принцип практической невозможности маловероятных событий *
- •§ 1. Произведение событий
- •§ 2. Условная вероятность
- •§ 3. Теорема умножения вероятностей
- •§ 4. Независимые события. Теорема умножения для независимых событий
- •§ 5. Вероятность появления хотя бы одного события
- •§ 1. Теорема сложения вероятностей совместных событий
- •§ 2. Формула полной вероятности
- •§ 3. Вероятность гипотез. Формулы Бейеса
- •§ 1. Формула Бернулли
- •§ 2. Локальная теорема Лапласа
- •§ 3. Интегральная теорема Лапласа
- •§ 4. Вероятность отклонения относительной частоты от постоянной вероятности в независимых испытаниях
- •§ 1. Случайная величина
- •§ 2. Дискретные и непрерывные случайные величины
- •§ 3. Закон распределения вероятностей дискретной случайной величины
- •§ 4. Биномиальное распределение
- •§ 5. Распределение Пуассона
- •§ 6. Простейший поток событий
- •§ 7. Геометрическое распределение
- •§ 8. Ги пер геометрическое распределение
- •§ 1. Числовые характеристики дискретных случайных величин
- •§ 2. Математическое ожидание дискретной случайной величины
- •§ 3. Вероятностный смысл математического ожидания
- •§ 4. Свойства математического ожидания
- •§ 5. Математическое ожидание числа появлг I события в независимых испытаниях
- •§ 1. Целесообразность введения числовой характеристики рассеяния случайной величины
- •§ 2. Отклонение случайной величины от ее математического ожидания
- •§ 3. Дисперсия дискретной случайной величины
- •§ 4. Формула для вычисления дисперсии
- •§ 5. Свойства дисперсии
- •§ 6. Дисперсия числа появлений события в независимых испытаниях
- •§ 7. Среднее квадратическое отклонение
- •§ 8. Среднее квадратическое отклонение суммы взаимно независимых случайных величин
- •§ 9. Одинаково распределенные взаимно независимые случайные величины
- •§ 10. Начальные и центральные теоретические моменты
- •§ 1. Предварительные замечания
- •§ 2. Неравенство Чебышева
- •§ 3. Теорема Чебышева
- •§ 4. Сущность теоремы Чебышева
- •§ 5. Значение теоремы Чебышева для практики
- •§ 6. Теорема Бернулли
- •§ 1. Определение функции распределения
- •§ 2. Свойства функции распределения
- •§ 3. График функции распределения
- •3. Дискретная случайная величина X задана законом распрс. Деления
- •§ 1. Определение плотности распределения
- •§ 2. Вероятность попадания непрерывной случайной величины в заданный интервал
- •§ 3. Нахождение функции распределения по известной плотности распределения
- •§ 4. Свойства плотности распределения
- •§ 5. Вероятностный смысл плотности распределения
- •§ 6. Закон равномерного распределения вероятностей
- •§ 1. Числовые характеристики непрерывных случайных величин
- •§ 2. Нормальное распределение
- •§ 3. Нормальная кривая
- •§ 4. Влияние параметров нормального распределения на форму нормальной кривой
- •§ 5. Вероятность попадания в заданный интервал нормальной случайной величины
- •§ 6. Вычисление вероятности заданного отклонения
- •§ 7. Правило трех сигм
- •§ 8. Понятие о теореме Ляпунова. Формулировка центральной предельной теоремы
- •§ 9. Оценка отклонения теоретического распределения от нормального. Асимметрия и эксцесс
- •§10. Функция одного случайного аргумента и ее распределение
- •§ 11. Математическое ожидание функции одного случайного аргумента
- •§ 12. Функция двух случайных аргументов. Распределение суммы независимых слагаемых. Устойчивость нормального распределения
- •§ 13. Распределение «хи квадрат»
- •§ 14. Распределение Стьюдента
- •§ 15. Распределение f Фишера — Снедекора
- •§ 1. Определение показательного распределения
- •§ 2. Вероятность попадания в заданный интервал показательно распределенной случайной величины
- •§ 3. Числовые характеристики показательного распределения
- •§ 4. Функция надежности
- •§ 5. Показательный закон надежности
- •§ 6. Характеристическое свойство показательно,, закона надежности
- •§ 1. Понятие о системе нескольких случайных величин
- •§ 2. Закон распределения вероятностей дискретной двумерной случайной величины
- •§ 3. Функция распределения двумерной случайной величины
- •§ 4. Свойства функции распределения двумерной случайной величины
- •§ 5. Вероятность попадания случайной точки в полуполосу
- •§ 6. Вероятность попадания случайной точки в прямоугольник
- •§ 7F Плотность совместного распределения вероятностей непрерывной, двумерной случайной величины (двумерная плотность вероятности)
- •§ 8. Нахождение функции распределения системы по известной плотности распределения
- •§ 9. Вероятностный смысл двумерной плотности вероятности
- •§ 10. Вероятность попадания случайной точки в произвольную область
- •§11. Свойства двумерной плотности вероятности
- •§ 12. Отыскание плотностей вероятности составляющих двумерной случайной величины
- •§ 13. Условные законы распределения составляющих системы дискретных случайных величин
- •§ 14. Условные законы распределения составляющих системы непрерывных случайных величин
- •§ 15. Условное математическое ожидание
- •§ 16. Зависимые и независимые случайные величины
- •§ 17. Числовые характеристики системы двух случайных величин. Корреляционный момент. Коэффициент корреляции
- •§ 18. Коррелированность и зависимость случайных величин
- •§ 19. Нормальный закон распределения на плоскости
- •§ 20. Линейная регрессия. Прямые линии среднеквадратической регрессии
- •§ 21. Линейная корреляция. Нормальная корреляция
- •1. Найти законы распределения составляющих дискретной двумерной случайной величины, заданной законом распределения
- •§ 1. Задачи математической статистики
- •§ 2. Краткая историческая справка
- •§ 3. Генеральная и выборочная совокупности
- •§ 4. Повторная и бесповторная выборки. Репрезентативная выборка
- •§ 5. Способы отбора
- •§ 6. Статистическое распределение выборки
- •§ 7. Эмпирическая функция распределения
- •§ 8. Полигон и гистограмма
- •§ 1. Статистические оценки параметров распределения
- •§ 2. Несмещенные, эффективные и состоятельны оценки е
- •§ 3. Генеральная средняя
- •§ 4. Выборочная средняя
- •§ 5. Оценка генеральной средней по выборочной средней. Устойчивость выборочных средних
- •§ 7. Отклонение от общей средней и его свойств
- •§ 8. Генеральная дисперсия
- •§ 9. Выборочная дисперсия
- •§ 10. Формула для вычисления дисперсии
- •§11. Групповая, внутри групповая, межгрупповая и общая дисперсии
- •§ 12. Сложение дисперсий
- •§ 13. Оценка генеральной дисперсии по исправленной выборочной
- •§ 14. Точность оценки, доверительная вероятность (надежность). Доверительный интервал
- •§15. Доверительные интервалы для оценки математического ожидания нормального распределения при известном о
- •§ 16. Доверительные интервалы для оценки математического ожидания нормального распределения при неизвестном о
- •§ 17. Оценка истинного значения измеряемой величины
- •§ 18. Доверительные интервалы для оценки среднего квадратического отклонения а нормального распределения
- •§ 19. Оценка точности измерений
- •§ 20. Оценка вероятности (биномиального распределения) по относительной частоте
- •§ 21. Метод моментов для точечной оценки параметров распределения
- •§ 22. Метод наибольшего правдоподобия
- •§ 23. Другие характеристики вариационного ряда
- •§ 1. Условные варианты
- •§ 2. Обычные, начальные и центральные эмпирические моменты
- •§ 3. Условные эмпирические моменты. Отыскание центральных моментов по условным
- •§ 4. Метод произведений для вычисления выборочных средней и дисперсии
- •§ 5. Сведение первоначальных вариант к равноотстоящим
- •§ 6. Эмпирические и выравнивающие (теоретические) частоты
- •§ 7. Построение нормальной кривой по опытным данным
- •§ 8. Оценка отклонения эмпирического распределения от нормального. Асимметрия и эксцесс
- •§ 1. Функциональная, статистическая и корреляционная зависимости
- •§ 2. Условные средние
- •§ 3. Выборочные уравнения регрессии
- •§ 4. Отыскание параметров выборочного уравнения Прямой линии среднеквадратичной регрессии по несгруппированным данным
- •§ 5. Корреляционная таблица
- •§ 7. Выборочный коэффициент корреляции
- •§ 8. Методика вычисления выборочного коэффициента корреляции
- •§ 9. Пример на отыскание выборочного уравнения прямой линии регрессии
- •§ 10. Предварительные соображения к введению меры любой корреляционной связи
- •§ 11. Выборочное корреляционное отношение
- •§ 12. Свойства выборочного корреляционного отношения
- •§13. Корреляционное отношение как мера корреляционной связи. Достоинства и недостатки этой меры
- •§ 14. Простейшие случаи криволинейной корреляции
- •§ 15. Понятие о множественной корреляции
- •§ 1. Статистическая гипотеза. Нулевая
- •§ 2. Ошибки первого и второго рода
- •§ 3. Статистический критерий проверки нулевой гипотезы. Наблюдаемое значение критерия
- •§ 4. Критическая область. Область принятия гипотезы. Критические точки
- •§ 5. Отыскание правосторонней критической области
- •§ 6. Отыскание левосторонней и двусторонней критических областей
- •§ 7. Дополнительные сведения о выборе критической области. Мощность критерия
- •§ 8. Сравнение двух дисперсий нормальных генеральных совокупностей
- •§ 9. Сравнение исправленной выборочной дисперсии с гипотетической генеральной дисперсией нормальной совокупности
- •§ 10. Сравнение двух средних нормальных
- •"Набл — ,...-. .....» . — 1 fV/o#
- •§ 12. Сравнение двух средних нормальных генеральных совокупностей, дисперсии которых неизвестны и одинаковы (малые независимые выборки)
- •§ 13. Сравнение выборочной средней с гипотетической генеральной средней нормальной совокупности
- •§ 14. Связь между двусторонней критической областью и доверительным интервалом
- •§ 15. Определение минимального объема выборки при сравнении выборочной и гипотетической генеральной средних
- •§16. Пример на отыскание мощности критерия
- •§ 17. Сравнение двух средних нормальных генеральных совокупностей с неизвестными дисперсиями (зависимые выборки)
- •§ 18. Сравнение наблюдаемой относительной частоты с гипотетической вероятностью появления события
- •§ 19. Сравнение двух вероятностей биномиальных распределений
- •§ 20. Сравнение нескольких дисперсий нормальных генеральных совокупностей по выборкам различного объема. Критерий Бартлетта
- •§ 21. Сравнение нескольких дисперсий нормальных генеральных совокупностей по выборкам одинакового объема. Критерий Кочрена
- •§ 22. Проверка гипотезы о значимости выборочного коэффициента корреляции
- •§ 24. Методика вычисления теоретических частот нормального распределения
- •§ 25. Выборочный коэффициент ранговой корреляции Спирмена и проверка гипотезы о его значимости
- •§ 26. Выборочный коэффициент ранговой корреляции Кендалла и проверка гипотезы о его значимости
- •§ 27. Критерий Вилкоксона и проверка гипотезы об однородности двух выборок
- •§ 1. Сравнение нескольких средних. Понятие о дисперсионном анализе
- •§ 2. Общая факторная и остаточная суммы квадратов отклонений
- •§ 3. Связь между общей, факторной и остаточной суммами
- •§ 4. Общая, факторная и остаточная дисперсии
- •§ 5. Сравнение нескольких средних методом дисперсионного анализа
- •§ 1. Предмет метода Монте — Карло
- •§ 2. Оценка погрешности метода Монте — Карло
- •§ 3. Случайные числа
- •§ 4. Разыгрывание дискретной случайной величины
- •§ 5. Разыгрывание противоположных событий
- •§ 6. Разыгрывание полной группы событий
- •§ 7. Разыгрывание непрерывной случайной величины. Метод обратных функций
- •§ 8. Метод суперпозиции
- •§ 9. Приближенное разыгрывание нормальной случайной величины
- •§ 1. Цепь Маркова
- •§ 2. Однородная цепь Маркова. Переходные вероятности. Матрица перехода
- •§ 3. Равенство Маркова
- •§ 1. Основные задачи
- •§ 2, Определение случайной функции
- •§ 3. Корреляционная теория случайных функций
- •§ 4. Математическое ожидание случайной функции
- •§ 5. Свойства математического ожидания случайной функции
- •§ 6. Дисперсия случайной функции
- •§ 7. Свойства дисперсии случайной функции
- •§ 8. Целесообразность введения корреляционной функции
- •§ 9. Корреляционная функция случайной Функции
- •§11. Нормированная корреляционная функция
- •§ 12. Взаимная корреляционная функция
- •§ 13. Свойства взаимной корреляционной функции
- •§ 14. Нормированная взаимная корреляционная функция
- •§ 15. Характеристики суммы случайных функций
- •§ 16. Производная случайной функции и ее характеристики
- •§ 17. Интеграл от случайной функции и его характеристики
- •§ 18. Комплексные случайные величины и их числовые характеристики
- •§ 19. Комплексные случайные функции и их характеристики
- •§ 1. Определение стационарной случайной функции
- •§ 2. Свойства корреляционной функции стационарной случайной функции
- •§ 3. Нормированная корреляционная функция стационарной случайной функции
- •§ 4, Стационарно связанные случайные функции
- •§ 5. Корреляционная функция производной стационарной случайной функции
- •§ 6. Взаимная корреляционная функция стационарной случайной функции и ее производной
- •§ 7. Корреляционная функция интеграла от стационарной случайной функции
- •§ 8. Определение характеристик эргодическмх стационарных случайных функций из опыта
- •§ 1. Представление стационарной случайной функции в виде гармонических колебаний со случайными амплитудами и случайными фазами
- •§ 2. Дискретный спектр стационарной случайной функции
- •§ 3. Непрерывный спектр стационарной случайной функции. Спектральная плотность
- •§ 4. Нормированная спектральная плотность
- •§ 5. Взаимная спектральная плотность стационарных и стационарно связанных случайных функций
- •§ 7. Стационарный белый шум
- •§ 8. Преобразование стационарной случайной функции стационарной линейной динамической системой
- •1Истику,
- •1Сч счсчсмсчсчсчсчсм c4c4c4cococjco сосососососо сососососо сосоч-ч- ч1
- •Гмурман Владимир Ефимович теория вероятностей и математическая статистика
§ 7. Стационарный белый шум
Стационарным белым шумом называют стационарную случайную функцию X (t), спектральная плотность которой постоянна:
Найдем корреляционную функцию белого шума. Используя формулу (**) (см. § 3)
получим
Приняв во внимание, что [см. § 6, соотношение (*)]
00
5 e'^dco = 2яб (т),
— 00
окончательно имеем
x). (**)
Таким образом, корреляционная функция стационарного белого шума пропорциональна дельта-функции; коэффициент пропорциональности 2ns называют интенсивностью стационарного белого шума.
444
Дельта-функция равна нулю при всех значениях поэтому и корреляционная функция kx (т) также равна нулю при этих же значениях т [это видно из формулы (**)]. Равенство же нулю корреляционной функции стационарного белого шума означает некоррелированность любых двух его сечений — случайных величин X(tx) и X (ts) (t^t%). Благодаря этой особенности белый шум находит широкое применение в теории случайных функций и ее приложениях. Однако эта же особенность указывает на то, что осуществить белый шум невозможно, так как в действительности при очень близких значениях tl и t2 соответствующие случайные величины X (/х) и X (t2) в извест ной степени коррелированы.
Таким образом, стационарный белый шум — математи ческая абстракция, полезная для теории случайных функ ций и ее приложений. В частности, белый шум иеполь зуют для моделирования случайных процессов, которые имеют постоянную спектральную плотность в определенном диапазоне частот, причем поведение спектральной плотности вне его исследователя не интересует.
Пример. Спектральная плотность стационарной случайной функции X (t) постоянна в диапазоне частот (—о)0> соо), а вне его равна нулю:
( 0 при со < — соо,
. (со) = / s при — соо < со < соо, \ 0 при со > со0.
Найти: а) корреляционную функцию; б) дисперсию случайной функции X (О-
Решение, а) Найдем искомую корреляционную функцию:
«о ».
= \ s cos coxdco = 2s \
-i. i
-0),
Итак,
, . . С . „ С . 2s sin kx (т) = \ s cos coxdco = 2s l cos corrfco =
б) Найдем искомую дисперсию:
п и i. / v I- 2s sin <оот _ ,. sincoeT . Dx = lim kx (т) = lim 2-=2s©e hm =_=s2scoe.
Итак.
445
§ 8. Преобразование стационарной случайной функции стационарной линейной динамической системой
Стационарной линейной динамической системой называют устройство, которое описывается линейным дифференциальным уравнением с постоянными коэффициентами вида
= &0Х<"» (t) + 6XX<-» (/)+...+ ЬтХ (t), (*)
где X (t) — входная стационарная случайная функция (воздействие, возмущение), Y (t) — выходная случайная функция (реакция, отклик).
Если динамическая система устойчива, то при достаточно* больших значениях t, т. е. по окончании переходного процесса, функцию Y (t) можно считать стационарной. Подчеркнем, что при дальнейшем изложении предполагается, что X(t)uY(t) — стационарные случайные функции.
Поставим перед собой задачу найти характеристики выходной функции по известным характеристикам входной функции.
Найдем математическое ожидание ту, зная тх, для чего приравняем математические ожидания левой и правой частей уравнения (*). Учитывая, что X (/) и Y (t) — стационарные случайные функции, а значит, математические ожидания производных этих функций равны нулю, получим
апту — Ьттх.
Отсюда искомое математическое ожидание
rny = bmmx/an. (**)
Пример 1. На вход линейной динамической системы, описываемой уравнением
подается стационарная случайная функция X (t) с математическим эжиданием тх— 10. Найти математическое ожидание случайной функции Y (t) на выходе системы в установившемся режиме (после затухания переходного процесса).
Решение. Используя формулу (**), получим
tnv = Ьттх/ап = (6/2) • 10 = 30.
Введем понятия передаточной функции и частотной характеристики, которые понадобятся далее. Предвари-
446
тельно запишем уравнение (*) в операторной форме, обо-значив оператор дифференцирования -^ через р, ^— через р2 и т. д. В итоге уравнение (*) примет вид
«Решим» это уравнение относительно Y (t):
П ередаточной функцией линейной динамической системы называют отношение многочлена относительно р при X(t) к многочлену при Y (t) в операторном уравнении (*•*):
И
з
соотношения (****) следует, что выходная
и входная
функции связаны равенством
= d>(p)X(t).
Частотной характеристикой линейной динамической системы называют функцию, которая получается заменой аргумента р в передаточной функции на аргумент to (w—действительное число):
а0 (to)» + ох (to)» -1 +... + an •
Доказано, что спектральные плотности выходной и входной функций связаны равенством
Отсюда заключаем: для того чтобы найти спектральную плотность выходной функции, надо умножить спектральную плотность входной функции на квадрат модуля частотной характеристики.
Зная же спектральную плотность выходной функции, можно найти ее корреляционную функцию [§ 3, формула (**)]:
ао
447
а следовательно, и дисперсию:
— 00
Пример 2. На вход ли мы, описываемой уравнением
Пример 2. На вход линейной стационарной динамической систе. описываемой уравнением
подается стационарная случайная функция X (/) с корреляционной функцией kx (T) = 6e-'2l't I. Найти дисперсию случайной функции Y (t) на выходе системы в установившемся режиме.
Решение 1. Найдем спектральную плотность выходной функции. Используя решение примера 2 (см. § 4) при D = 6 и а = 2 получим
Ра 62 12
s ()
л (о2 -f 4)'
2. Найдем передаточную функцию, для чего напишем заданное уравнение в операторной форме:
(Зр + 1) К (0 = (4р+!)*</). Отсюда
Следовательно, передаточная функция
4Р+1 "Зр+Г
3. Найдем частотную характеристику, для чего заменим в передаточной функции аргумент р на ш: